賈若 北京大學(xué)經(jīng)濟(jì)學(xué)院風(fēng)險管理與保險學(xué)系
保險科技應(yīng)用最廣泛的前沿技術(shù)是人工智能、大數(shù)據(jù)、區(qū)塊鏈和云計算。其中,人工智能包括計算機(jī)視覺、機(jī)器學(xué)習(xí)、自然語言處理和人機(jī)交互等技術(shù),是保險公司數(shù)字化和提高運營效率的驅(qū)動力。而大數(shù)據(jù)的特征可以概括為5V,即數(shù)量(Volume)、速度(Velocity)、多樣性(Variety)、價值(Value)和真實性(Veracity)。大數(shù)據(jù)技術(shù)豐富了風(fēng)險管理和保險學(xué)的研究,其不僅僅體現(xiàn)在保險科技相關(guān)領(lǐng)域本身,而且還能夠為行為保險、信息不對稱、保險制度和風(fēng)險管理等領(lǐng)域的相關(guān)研究提供支持。同時,保險領(lǐng)域的實踐能夠為學(xué)術(shù)研究工作提供源源不斷的數(shù)據(jù)支持,這是科技在保險領(lǐng)域應(yīng)用之后所具有的獨特優(yōu)勢。區(qū)塊鏈技術(shù)是指通過點對點的價值交換,從而能實現(xiàn)分布式記賬、安全可靠存儲和智能合約等功能。云計算技術(shù)則是將算力打包的分布式計算系統(tǒng)。這樣,買家就可以獲得計算資源并提高其可用性。平臺即服務(wù)(PaaS)、軟件即服務(wù)(SaaS)和基礎(chǔ)設(shè)施即服務(wù)(IaaS)是云計算中常見的三種商業(yè)模式。
在保險科技市場中,有三類主要的參與者。第一類參與者為保險行業(yè)中的現(xiàn)有保險企業(yè)。這些企業(yè)都是傳統(tǒng)保險的參與者,它們會根據(jù)自身的基礎(chǔ)設(shè)施和業(yè)務(wù)情況,在頂層設(shè)計、技術(shù)建設(shè)和業(yè)務(wù)模式、集團(tuán)組織結(jié)構(gòu)等方面進(jìn)行數(shù)字化轉(zhuǎn)型。
第二類參與者為科技巨頭。它們是保險市場的新進(jìn)入者,擁有海量的技術(shù)數(shù)據(jù)和互聯(lián)網(wǎng)用戶基礎(chǔ)。比如,騰訊集團(tuán)會選擇與現(xiàn)有保險公司合作,或者建立自己的互聯(lián)網(wǎng)保險機(jī)構(gòu)。這些科技巨頭是保險產(chǎn)品和保險營銷創(chuàng)新的主要驅(qū)動力,它們所采用的技術(shù)也就形成了保險科技。
第三類參與者是保險科技的初創(chuàng)企業(yè)。它們是最具創(chuàng)新性的參與者,并且通常僅專精于某一個細(xì)分領(lǐng)域,從而具有該細(xì)分領(lǐng)域的比較優(yōu)勢。例如,北京大學(xué)的一個保險項目研究組曾與一家保險科技初創(chuàng)企業(yè)合作。這家公司在保險承保、風(fēng)險評估和目標(biāo)影響等方面具有非常獨特的優(yōu)勢。當(dāng)然,還存在其他一些保險科技企業(yè)可能在其他方面具有競爭優(yōu)勢,例如理賠服務(wù)、特別的銷售渠道等。
保險科技可以在保險行業(yè)的眾多領(lǐng)域發(fā)揮作用。本文將主要介紹其在風(fēng)險評估和目標(biāo)營銷兩個領(lǐng)域的作用。
在風(fēng)險評估領(lǐng)域,保險科技能夠在兩個方面發(fā)揮作用。一方面是大數(shù)據(jù),提供了保單和投保人的相關(guān)特征,使保險人能更準(zhǔn)確地評估風(fēng)險的特征并預(yù)測未來的索賠情況;另一方面是模型,保險需要有合適的模型去分析數(shù)據(jù)。
在目標(biāo)營銷領(lǐng)域,利用大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)能夠使模型具有更強(qiáng)的預(yù)測性,提高保險定價的準(zhǔn)確性。如此一來,保險市場能夠進(jìn)一步向低收入人群和非標(biāo)準(zhǔn)體擴(kuò)展。在傳統(tǒng)的保險市場上,低收入人群和非標(biāo)準(zhǔn)體往往會因為定價原因而無法購買保險。在利用保險科技進(jìn)行更加精準(zhǔn)的定價之后,這些人群能夠以合適的價格購買保險。另外,大數(shù)據(jù)也能提供行為金融的相關(guān)信息,能夠更好地識別具有高支付意愿的潛在客戶,從而為保險銷售提供指導(dǎo),提高銷售成功率。
從現(xiàn)有數(shù)據(jù)來看,保險公司在進(jìn)行風(fēng)險評估和目標(biāo)營銷時,已經(jīng)開始利用醫(yī)療、地理、行為等諸多數(shù)據(jù)進(jìn)行精算定價,并考慮在未來繼續(xù)加入更多的數(shù)據(jù)維度(見圖1)。
圖1顯現(xiàn)了保險公司對各種數(shù)據(jù)使用的計劃和現(xiàn)狀。就健康險而言,傳統(tǒng)保險公司和保險科技初創(chuàng)企業(yè)的投入占現(xiàn)代健康保險業(yè)務(wù)總承保保費的60%。保險公司也正在擴(kuò)大或計劃擴(kuò)大在保險業(yè)務(wù)中使用不同類型的數(shù)據(jù),包括基因編碼等數(shù)據(jù)。還有越來越多的保險公司正計劃使用IOT(物聯(lián)網(wǎng))數(shù)據(jù)。
圖1 保險公司數(shù)據(jù)使用情況調(diào)查
行為數(shù)據(jù)可能來源于用戶的智能手機(jī),包括三方面:(1)用戶在智能手機(jī)中安裝和使用的應(yīng)用程序的數(shù)據(jù)。比如育兒程序,這能夠表明用戶是否為人父母,以及在照顧孩子方面投入的時間和精力;再比如,午夜使用手機(jī)的頻率,頻率越高則表明生活方式越不健康或越勤奮,抑或是對日常生活安排更加靈活。(2)用戶手機(jī)收到的信息。比如,在互聯(lián)網(wǎng)賭博網(wǎng)站或彩票網(wǎng)站注冊后會收到短信,這些短信能夠被數(shù)據(jù)收集公司所獲取,并能夠反映出是否是賭徒或經(jīng)常購買彩票,從而推測出風(fēng)險偏好。(3)金融機(jī)構(gòu)提供的信用評級數(shù)據(jù)。比如,手機(jī)可能會記錄要求用戶提供信用信息的金融機(jī)構(gòu)數(shù)量。這些信息能夠反映出在過去某段時間內(nèi)是否曾向金融機(jī)構(gòu)借錢。如果一直在借錢,金融機(jī)構(gòu)會要求提供信用信息。這些信息進(jìn)而可能表明用戶是否處于流動性短缺的狀態(tài)。
在背景介紹完之后,下面將分三個部分討論保險科技的影響。第一部分是保險科技對市場結(jié)構(gòu)的影響。比如,傳統(tǒng)保險公司會不會被特斯拉接管?特斯拉能否成為壟斷者?本文構(gòu)建了一個理論模型進(jìn)行分析,試圖回答這個問題。第二部分是風(fēng)險評估的改進(jìn),文章展示了一些數(shù)據(jù)和模型,分析如何改善風(fēng)險評估的準(zhǔn)確性。第三部分是利用從手機(jī)收集用戶行為數(shù)據(jù)的例子,來探究這個新的數(shù)據(jù)來源能實現(xiàn)什么研究。最后會探討保險科技發(fā)展面臨的一些挑戰(zhàn)和對策。
第一部分是基于筆者和瑞士圣加侖大學(xué)Martin Eling教授、清華大學(xué)林潔瑜和韋爾斯利學(xué)院Casey教授2022年在Journal of Risk and Insurance上發(fā)表的論文。
眾所周知,新技術(shù)能夠給保險公司提供更多的額外信息用于風(fēng)險評估和定價。汽車的遠(yuǎn)程信息處理能夠記錄駕駛速度、距離和使用剎車的頻率。2018年,全球UBI市場增長了47%,而全球非壽險市場僅增長了3%,即新技術(shù)的市場增速遠(yuǎn)高于傳統(tǒng)市場。這表明,新技術(shù)可能將搶占更高的市場份額。另一個新技術(shù)運用的例子是可穿戴設(shè)備,它能夠記錄心率、血壓和運動頻率。比如,蘋果手表和聯(lián)合健康集團(tuán)合作推出了健康監(jiān)測計劃,66%的用戶參加了該活動,其中2/3的用戶參加活動時間超過了1年。這意味著,這種健康監(jiān)測活動相對來說比較流行,并且隨著可穿戴設(shè)備的廣泛使用其參與度將不斷增長。
上述案例表明,新技術(shù)能夠迅速獲取新的市場份額。然而,從美國的汽車保險市場數(shù)據(jù)來看,包括國有險企在內(nèi)的眾多大企業(yè)在過去10年中的不同時期都推出了UBI保險,但是其市場份額并沒有如預(yù)期的那樣實現(xiàn)增長。這兩者之間并不存在顯著的關(guān)系。那么,新技術(shù)和傳統(tǒng)技術(shù)對于市場的分割情況是怎樣的?新技術(shù)會不會占領(lǐng)整個保險市場?
新技術(shù)公司和傳統(tǒng)技術(shù)公司的關(guān)鍵區(qū)別在于:新技術(shù)公司能夠更快地學(xué)習(xí),但目前的成本仍相對較高;傳統(tǒng)技術(shù)公司的學(xué)習(xí)速度更慢,但現(xiàn)階段成本較低。因此,我們建立了一個理論框架,考慮保險市場中兩種不同類型的公司,即科技公司和傳統(tǒng)保險公司。其中關(guān)鍵的權(quán)衡之處在于:科技公司能夠更快地識別和評估風(fēng)險,但也需要為新技術(shù)付出更高的成本。進(jìn)而,文章分析了兩種類型公司在迭代模型中的競爭。模型考慮了個體風(fēng)險的異質(zhì)性,并假設(shè)了兩種不同的學(xué)習(xí)環(huán)境,包括可觀測投保時長的環(huán)境和不可觀測投保時長的環(huán)境。
在可觀測投保時長的環(huán)境下,保險人了解每個投保人的投保時長,能夠辨別投保人是新進(jìn)入的個體還是從其他保險公司轉(zhuǎn)換來的個體。如果是轉(zhuǎn)換而來的個體,轉(zhuǎn)換原因可能通常是因為保險費率高或被拒保,因而可以在定價中加以考慮。在不可觀測投保時長的環(huán)境下,保險人無法獲取投保人的投保時長,也就無法辨別其是否是新進(jìn)入市場的投保人。模型的均衡求解結(jié)果表明,市場最終會出現(xiàn)細(xì)分結(jié)構(gòu)。低風(fēng)險投保人會選擇從科技公司購買保險,因為科技公司能夠迅速識別低風(fēng)險并為其提供低費率,正確反映他們的風(fēng)險類型。而高風(fēng)險投保人會選擇從傳統(tǒng)保險公司購買保險,因為傳統(tǒng)保險公司的風(fēng)險識別速度慢,高風(fēng)險投保人能以平均費率獲得保險。
如果從直觀上考慮,由于科技公司的成本較高,其市場份額會逐漸減少。但在技術(shù)成本一定的情況下,科技公司具有學(xué)習(xí)速度的優(yōu)勢。當(dāng)科技公司和傳統(tǒng)保險公司的學(xué)習(xí)速度差距減少時,科技公司的市場份額也會相應(yīng)降低。這個直觀想法可以在可觀測投保時長的假設(shè)下進(jìn)行驗證。當(dāng)傳統(tǒng)保險公司也能了解投保人的投保時長情況時,就能更好地進(jìn)行風(fēng)險評估,進(jìn)而縮小與科技公司的學(xué)習(xí)速度差距。
然而,筆者的研究卻得出了反直覺的結(jié)果。在某些特定情形下,尤其是投保時長不可觀測時,科技公司和傳統(tǒng)保險公司學(xué)習(xí)速度差距的減小實際上提高了科技公司的市場份額,減少了傳統(tǒng)保險公司的市場份額。這是因為高風(fēng)險投保人在均衡狀態(tài)下會選擇傳統(tǒng)保險公司。高風(fēng)險投保人可能會因為現(xiàn)有公司的高費率選擇轉(zhuǎn)換公司,從而繼續(xù)以過去的低費率投保。而在投保時長可觀測時,新的保險人能了解投保人過去投保經(jīng)歷,從而會繼續(xù)向其收取高費率。
為謀求利潤最大化,傳統(tǒng)保險公司會提高它們的學(xué)習(xí)速度以更好地進(jìn)行風(fēng)險識別,并減小與科技公司之間的差距。所以,在未來一段時期,高風(fēng)險個體會被更多的傳統(tǒng)保險公司識別,最終會導(dǎo)致傳統(tǒng)保險公司均衡費率的上升,進(jìn)而導(dǎo)致傳統(tǒng)保險公司的市場份額減少。因此,當(dāng)投保時長不可觀測時,傳統(tǒng)保險公司面臨的逆選擇效應(yīng)總是會強(qiáng)于提高學(xué)習(xí)速度帶來的直接正向效應(yīng)。這會在市場結(jié)構(gòu)的變化過程中占主導(dǎo)地位。所以,傳統(tǒng)保險公司對科技公司的技術(shù)追趕而進(jìn)行的嘗試有時可能只是表面的模仿,可能會產(chǎn)生南轅北轍的效果。
因此,筆者認(rèn)為,傳統(tǒng)企業(yè)在對科技企業(yè)的學(xué)習(xí)過程中,嘗試提高追趕速度的努力可能會適得其反,反而降低了自身的市場份額。對市場現(xiàn)有的傳統(tǒng)保險公司而言,在嘗試引入新技術(shù)時,需要仔細(xì)地評估市場結(jié)構(gòu),以確定新技術(shù)的引入是否能夠產(chǎn)生正向效應(yīng)。筆者提供了一個基于信息結(jié)構(gòu)的解釋,并詳細(xì)闡述了傳統(tǒng)保險公司追趕科技公司的嘗試最終可能失敗的原因。
第二部分是基于筆者和北京大學(xué)同事共同撰寫的一篇工作論文。該篇工作論文旨在通過新數(shù)據(jù)和相應(yīng)模型量化分析大數(shù)據(jù)對于保險公司風(fēng)險評估的改善作用。與傳統(tǒng)的數(shù)據(jù)相比,該篇工作論文中所采用的數(shù)據(jù)規(guī)模更加龐大。然而,對于此類高維數(shù)據(jù)需要進(jìn)行變量選擇,否則會面臨“維度詛咒”的問題,降低了模型的可預(yù)測性。因此,我們需要區(qū)分出哪些變量為模型的有用變量。
這篇論文目前尚未完成,但有一些初步的研究結(jié)論可以和大家討論,讓大家感受到額外的數(shù)據(jù)和新模型如何產(chǎn)生預(yù)測價值。比如,文章比較分析后得出了最具預(yù)測能力的模型,這能夠指導(dǎo)保險公司的定價實踐,為其收集何種定價數(shù)據(jù)提供經(jīng)驗證據(jù),方便保險公司以最小的成本收集到最有用的數(shù)據(jù)。而且,文章還提出了一種新的方法來探究數(shù)據(jù)收集最有價值的方向,并發(fā)現(xiàn)了一些最具預(yù)測性的變量。并且發(fā)現(xiàn),傳統(tǒng)變量由于已經(jīng)被使用了上百年,預(yù)測力毋庸置疑,但一些新興變量也可以直觀反映被保險人的風(fēng)險偏好以及它們對自身健康風(fēng)險的關(guān)注程度,能為風(fēng)險評估模型增加額外的預(yù)測能力。
第三部分主要是基于筆者與北京大學(xué)及中國人民大學(xué)的老師們合作完成的一篇工作論文。該篇工作論文主要探討了基于信息科技收集的大數(shù)據(jù)如何為行為保險研究提供助力。行為保險研究的相關(guān)問題包括購買保險和索賠行為的影響因素,以及類似保險的新形式(網(wǎng)上眾籌、互助計劃)。保險大數(shù)據(jù)也能為風(fēng)險管理之外的其他行為研究提供支持,可以檢驗家庭金融、消費者行為等方面的理論。
文章的研究結(jié)論發(fā)現(xiàn),與眾多已有文獻(xiàn)的研究結(jié)果一致,女性通常更利他。妻子為丈夫購買保險的數(shù)量一般會高于丈夫為妻子購買保險的數(shù)量,其次是丈夫為自己購買保險,最后才是妻子為自己購買保險。但無論是男性還是女性,他們?yōu)榕渑假徺I保險的數(shù)量都超過了為自己購買的數(shù)量。這些集中于行為的角度對保險消費的研究,能夠為保險銷售帶來啟示。
目前,保險科技仍存在一些挑戰(zhàn),監(jiān)管部門也出臺了相關(guān)的應(yīng)對政策。
第一個挑戰(zhàn)就是保險科技的可用性。這主要是大型保險公司和中小保險公司之間的矛盾。大型保險公司具有大量的數(shù)據(jù),更大的經(jīng)濟(jì)規(guī)模也便于其投資新技術(shù),從而獲取更高的回報。中小保險公司則僅擁有有限的資本和人力資源,保險科技的應(yīng)用也相對較少。顯然,需要監(jiān)管政策來平衡險企之間的不平等。對此,中國保險監(jiān)管部門鼓勵各種不同規(guī)模的機(jī)構(gòu)充分利用大數(shù)據(jù)技術(shù)實現(xiàn)業(yè)務(wù)、產(chǎn)品和服務(wù)的創(chuàng)新,建立數(shù)字化的管理結(jié)構(gòu),還對小型保險公司的技術(shù)開發(fā)給予更高的支持,并為其提供數(shù)據(jù)治理的建議。
第二個挑戰(zhàn)在于數(shù)據(jù)安全風(fēng)險。這也是更重要的挑戰(zhàn)。中國的第三方云計算服務(wù)商發(fā)生信息泄露事故是市場近期的大新聞,保險公司大多將它們的數(shù)據(jù)存儲服務(wù)外包給第三方云計算服務(wù)商。中國目前主要有兩種云計算商業(yè)模式,平臺即服務(wù)(PaaS)和軟件即服務(wù)(SaaS)。而第三方服務(wù)市場內(nèi)部競爭并不激烈,市場份額相對較為集中。這就意味著,任何一家主要的云計算服務(wù)商出現(xiàn)問題都會給保險業(yè)帶來系統(tǒng)性風(fēng)險。監(jiān)管部門的應(yīng)對措施是禁止將核心業(yè)務(wù)外包給第三方,并提高保險公司自身的科技水平。
最后一個突出的挑戰(zhàn)是數(shù)據(jù)隱私問題。一方面,在新冠肺炎疫情防控常態(tài)化的當(dāng)下,我們都非常關(guān)注自身隱私問題,應(yīng)用獲取的數(shù)據(jù)被限制在必要的最低限度水平,但也可能導(dǎo)致獲取的數(shù)據(jù)難以滿足要求。另一方面,應(yīng)用獲取的數(shù)據(jù)可能會被出售給第三方,造成數(shù)據(jù)欺詐和過度營銷。在2021年出臺的《個人信息保護(hù)法》中已經(jīng)明確:“收集個人信息,應(yīng)當(dāng)限于實現(xiàn)處理目的的最小范圍,不得過度收集個人信息”,并且規(guī)定“處理個人信息應(yīng)當(dāng)取得個人同意”。這些規(guī)定在保護(hù)個人隱私的同時也會使得數(shù)據(jù)收集受到限制,因此需要平衡數(shù)據(jù)收集和隱私保護(hù)之間的沖突。